Scrum Master + Scrum Product Owner PSM 1 + PSPO 1 & Scrum Agile Leadership + Scrum Kanban & KI verbindet praxisnahe Scrum-Kompetenzen mit Führung, Flussorientierung und KI-Grundlagen; Scrum Master & Scrum Product Owner (PSM 1 & PSPO 1), Scrum Agile Leadership & Scrum Kanban (PAL 1 & PSK 1), KI Grundlagen zielen auf werthaltige, empirische Produktentwicklung und KI-gestützte Automatisierung.

Praxisbezug und berufliche Perspektiven

Anwendungsszenarien und Einsatzgebiete
Teilnehmende setzen Scrum Master + Scrum Product Owner PSM 1 + PSPO 1 & Scrum Agile Leadership + Scrum Kanban & KI direkt in Produktentwicklung, IT-Projekten, Innovations- und Transformationsvorhaben ein. Rollen: Product Owner, Scrum Master, Agile Coach, Teamlead, Projektleitung, Data-Analyst oder Marketing-Manager. KI-Grundlagen unterstützen Automatisierung, Content-Erstellung und Entscheidungsunterstützung in Alltag und Strategie.

Scrum Master 1

Einführung und Ziel
Scrum Master 1 vermittelt das empirische Scrum-Rahmenwerk, die Teamzusammensetzung (Product Owner, Developers, Scrum Master) und die Praxis von Events, Artefakten und Commitments, damit verlässliche Sprints und nutzbare Inkremente entstehen.

  • Scrum als Empirie: Observe, Inspect, Adapt
  • Rollenverständnis und Coaching-Aufgaben
  • Events: Sprint, Planning, Daily (15 min), Review, Retrospektive
  • Artefakte: Product Backlog, Sprint Backlog, Inkrement und DoD
  • Förderung von Transparenz, Vertrauen und kontinuierlicher Verbesserung

Praxisnahes Coaching, Moderation und Hindernisbeseitigung helfen, den Sprint-Takt zu etablieren und Fortschritt gegen das Sprint Goal zu steuern.

Scrum Product Owner 1

Fokus auf Wert und Vorhersagen
Scrum Product Owner 1 zeigt, wie Produktvision, Product Backlog und Evidence Based Management verbunden werden, damit Entscheidungen unter Unsicherheit wertorientiert getroffen werden.

  • Formulierung einer klaren Produktvision und messbarer Ziele
  • Pflege und Priorisierung des Product Backlogs
  • Backlog-Einträge als Outcome-orientierte Beschreibungen
  • Vorhersagen und Release-Planung als Bandbreiten mit Annahmen
  • Kennzahlen zur Messung von Wirkung statt nur Output

Teilnehmende erlernen Prognosen, Risikooffenlegung und wie Evidence Based Management Fortschritt und Potenziale sichtbar macht; Vorhersagen werden als probabilistische Aussagen kommuniziert.

Scrum Agile Leadership

Führung zur Ermöglichung von Selbstverwaltung
Der Kurs vertieft Führung als Kontextgestaltung: Erwartungen klären, Entscheidungsspielräume schaffen und strukturelle Bremsen adressieren, damit Teams verlässlich und eigenständig arbeiten.

  • Rahmenbedingungen für Selbstverwaltung entwickeln
  • Unterschied zwischen Orientierung gebender Führung und Einmischung
  • Sichtbarmachen organisatorischer Hindernisse (Schnittstellen, Budget, Reporting)
  • Entwicklung von Kompetenzen und Verantwortungsräumen
  • Förderung von klarer Kommunikation und überprüfbaren Annahmen

Führungskräfte lernen, wie sie Stabilität, Sicherheit und Freiraum kombinieren, um Teams zu befähigen, Entscheidungen zu treffen und Konsequenzen nachzuvollziehen.

Scrum mit Kanban

Verbindung von Scrum und Flow-Prinzipien
Scrum mit Kanban zeigt, wie Flussorientierung in Scrum-Teams Vorhersagbarkeit und Lieferfähigkeit erhöht: WIP-Limits, Durchsatzmessung und gezielte Eingriffe reduzieren Verzögerungen.

  • Sichtbarmachung von Arbeit und klare Regeln für Start, Fortschritt, Abschluss
  • Metriken: Durchsatz, Durchlaufzeit, Wartezeiten
  • Product Backlog als geordnete Darstellung nächster wirksamer Schritte
  • Prognosen als Bandbreiten basierend auf historischen Daten
  • Maßnahmen: Losgrößen, Engpassanalyse, Begrenzung paralleler Arbeit

Teams lernen, wie man Flussmessungen interpretiert, Engpässe entknotet und Release-Erwartungen an beobachtete Ergebnisse anpasst.

KI Grundlagen und praktische Anwendungen

Praxisorientierte KI-Kompetenzen
KI Grundlagen und praktische Anwendungen vermittelt Basiskonzepte, Tools und verantwortlichen Einsatz von KI, inklusive Prompt Engineering und ethischer Reflexion.

  • Definition, Geschichte und Anwendungsfelder von KI
  • Maschinelles Lernen, Deep Learning und Unterscheidung schwache vs. starke KI
  • Einsatz von KI-Tools: Textgenerierung, Datenanalyse, Chatbots
  • Prompt Engineering und Evaluation von Ergebnissen
  • Datenschutz, Bias, Ethik und Integration in Arbeitsprozesse

Teilnehmende probieren interaktive Tools aus, entwickeln effektive Prompts, interpretieren KI-Ergebnisse kritisch und planen sichere, effiziente Integrationen in Arbeitsabläufe; Chancen und Risiken werden abgewogen.

Schlüsselbegriffe und Kompetenzen

  • Empirie, Sprint Goal, Product Goal, Definition of Done
  • Product Backlog, Priorisierung, Evidence Based Management (EBM)
  • Selbstverwaltung, Führung, Organisation, Flow, WIP, Durchsatz
  • Vorhersagen, Release-Planung, Prognosen, Bandbreiten, Annahmen
  • Künstliche Intelligenz, ML, Deep Learning, Prompt Engineering, Bias, Datenschutz

Ergebnisorientierte Kompetenzen
Teilnehmende entwickeln die Fähigkeit, Scrum so einzusetzen, dass klare Ziele, verlässlicher Takt, sichtbare Ergebnisse und ein dateninformierter Umgang mit Unsicherheit entstehen. Produktmanagement wird handhabbar, Führung gestaltet Kontext, Fluss wird messbar und KI liefert praktikable Unterstützungen für Automatisierung und Entscheidungsunterstützung.

Die Weiterbildung bereitet auf die Prüfung bei Scrum.org vor, wird aber weder von Scrum.org unterstützt noch ist sie mit Scrum.org ..verbunden.